Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contenido Bibliografía
Sivanandam S. N., Sumathi S.
Sistema de inferencia
and Deepa S. N. Introduction to
fuzzy. Fuzzy Logic using MATLAB. Ed.
Reglas Fuzzy. Springer. 2007.
Base de Reglas Fuzzy. D. Guzmán, V. M. Castaño, La
logica difusa en ingeniería,
Proceso de Inferencia.
principios, aplicaciones y
Emulador Fuzzy. futuro. 2006.
Campos de Aplicación. Gallo Armosino, A. Lógica
blanda, fuzzy o difusa. 2000.
1
SISTEMAS DE INFERENCIA FUZZY
Un sistema de inferencia fuzzy (FIS) permite obtener nuevo
conocimiento a partir de los valores dados en las variables de
entrada, de acuerdo a las condiciones establecidas en la base de
reglas.
Variables
fuzzy
Variables de entrada
Variables de salida
Base de Reglas
Defuzzyficación
Fuzzyficación
(crisp)
(crisp)
Máquina de Inferencia
2
SISTEMAS DE INFERENCIA FUZZY
Según la cantidad de variables que involucren las reglas de
inferencia (fuzzy en este caso), se establece el tipo de
sistema que las contiene. Estos pueden ser:
SISO
SISO: Single Input – Single Output
SI xF W ENTONCES yF Z
condición antecedente implicación consecuente
“yF es miembro de Z,
en el mismo grado en que
xF es miembro de W” 4
REGLAS FUZZY
Reglas incondicionales
(crisp) SI x ENTONCES y
Ej. SI hay niebla ENTONCES hace frío
(fuzzy) SI xF X ENTONCES yF Y
Ej. Si hay algo (xF) de niebla (X) ENTONCES
hace bastante (yF) frío (Y).
6
REGLAS FUZZY
Ejemplos
8
BASE DE REGLAS FUZZY
PROPIEDADES
Completitud: una base de reglas fuzzy se considera
completa si para cualquier combinación de valores de las
variables de entrada, se produce un valor de salida
apropiado.
9
PROCESO DE INFERENCIA
Combinar operadores
Implicar Defuzzyficar
Componer salidas
10
PROCESO DE INFERENCIA
1. Fuzzyficación de las entradas
Es el proceso mediante el cual, a partir del valor asignado
a una variable lingüística y por medio de su función de
pertenencia, se obtiene un valor numérico [0,1]
representativo del grado de pertenencia del valor de la
variable.
11
PROCESO DE INFERENCIA
2. Aplicación de operadores fuzzy
Si el antecedente de una regla tiene más de una
variable lingüística enlazadas por operadores fuzzy
(AND – OR – NOT), se aplica el operador para
obtener un único valor de pertenencia
representativo del antecedente.
12
PROCESO DE INFERENCIA
2. Aplicación de operadores fuzzy
Operador OR
Método 1 – Máximo
μ(a) OR μ(b) = máx[μ(a) , μ(b)]
Método 2 – Suma algebraica
μ(a) OR μ(b) = μ(a) + μ(b) - μ(a) . μ(b)
Operador AND
Método 1 – Mínimo
μ(a) AND μ(b) = mín[μ(a) , μ(b)]
Método 2 – Producto
μ(a) AND μ(b) = μ(a) . μ(b)
Operador NOT
NOT(μ(a)) = 1 – μ(a)
13
PROCESO DE INFERENCIA
3. Aplicación del método de implicación
El método de implicación se aplica a cada una de las
reglas. Es la determinación de un nuevo conjunto
fuzzy obtenido del consecuente de la regla y
modificado por el valor fuzzy del antecedente (paso
anterior).
14
PROCESO DE INFERENCIA
3. Aplicación del método de implicación (contin.)
Se disponen de diversos métodos de implicación que
difieren de acuerdo con el criterio adoptado.
Método de la intersección o del mínimo (Mamdani)
μAB(a,b) = μA(a) μB(b)
a b
b
a
15
PROCESO DE INFERENCIA
3. Aplicación del método de implicación (contin.)
Método del producto (Larsen)
μAB(a,b) = μA(a) . μB(b)
a b
a b
16
PROCESO DE INFERENCIA
a b
a b
17
PROCESO DE INFERENCIA
18
PROCESO DE INFERENCIA
5. Defuzzyficación
El paso final de la inferencia es la determinación de
un número (crisp) proveniente del conjunto fuzzy
compuesto (en el paso anterior).
Los métodos más usuales de defuzzyficación son
Centroide: Centro del área
del conjunto compuesto
(método más utilizado).
MOM (middle of
maximum): Promedio
de valores máximos.
19
PROCESO DE INFERENCIA
4. Defuzzyficación (contin.)
LOM (Largest Of Maximum:
El mayor de los valores
máximos.
20
SISTEMA DE INFERENCIA
Ejemplo: Sistema de inferencia fuzzy para determinar el
precio de un producto.
21
Controlador Fuzzy/PID
Sistema a controlar
Conmutador
Sistema de
Inferencia Fuzzy
22
Controladores Fuzzy
Ejemplo: Sistema de inferencia fuzzy para determinar la
posición de una válvula de control de caudal.
Entrada 1
Válvula Entrada 2
Caudal de
entrada Alto
Niveles de
referencia
Normal Correcto
180º
Bajo
Caudal de
Salida salida
0º 360º
23
Cerrada Abierta
Controladores Fuzzy
No
Salida:
Abre
Cierra cambia Posición
rápido
rápido
Cierra Abre válvula
lento lento
24
Controladores Fuzzy
BASE DE REGLAS
Reglas de inferencia
25
Controladores Fuzzy
Defuzzyficación
Fuzzyficación
fuzzy para determinar la posición
de una válvula de control de caudal. Máquina de Inferencia
Condiciones estacionarias 26
Controladores Fuzzy
Defuzzyficación
Fuzzyficación
fuzzy para determinar la posición
de una válvula de control de caudal. Máquina de Inferencia
Defuzzyficación
Fuzzyficación
fuzzy para determinar la posición
de una válvula de control de caudal. Máquina de Inferencia
29
EMULACIÓN FUZZY
Defuzzificador
Fuzzificador
Modelo
Fuzzy
Base de
Reglas
30
CAMPOS DE APLICACIÓN